search query: @instructor Heine, Pirjo / total: 9
reference: 4 / 9
Author: | Larinkari, Joonas |
Title: | Palvelusektorin sähkönkäytön tutkiminen tuntimittaustietojen avulla |
Electricity Consumption Analysis of Service Sector Using AMR Measurements | |
Publication type: | Master's thesis |
Publication year: | 2012 |
Pages: | [10] + 80 s. + liitt. 9 Language: fin |
Department/School: | Sähkötekniikan laitos |
Main subject: | Sähköverkot ja suurjännitetekniikka (S-18) |
Supervisor: | Lehtonen, Matti |
Instructor: | Hyvärinen, Markku ; Heine, Pirjo |
Electronic version URL: | http://urn.fi/URN:NBN:fi:aalto-201302031380 |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark Aalto 961 | Archive |
Keywords: | AMR customer classification load analysis load profile service sector asiakasluokittelu etäluenta kuormituskäyrä kuormitustutkimus palvelusektori |
Abstract (eng): | Current and expected customer mix, land use and prior electricity consumption are vital inputs for spatiotemporal load forecasts. The aim of this thesis was to study characteristics of electricity consumption in service sector in the Helsinki city area. Furthermore, the thesis examined applicability of two mathematical methods for deploying automated meter reading data in spatial load analysis. Spatial city district level analysis was performed utilizing annual electricity consumption data, land use information and present customer classification used in customer information system. The automated meter reading data were deployed in two mathematical methods. The objective of the first method was to classify connection points according to consumption structures using principal component analysis. The second method studied used conditional demand analysis to disaggregate the load into main device groups. Using mathematical customer classification three electric heated groups, a district heated and a service consumption groups were found. More detailed classification of service sector was challenging due to the diversity of service consumption. Mathematical customer classification results were mainly consistent with present customer classification. Mathematically calculated load profiles and specific consumptions were meaningful and represented each group coherently. The results from load disaggregation cannot be considered reliable, but the method proved potential to device level analysis. In the future, both studied methods should be developed to meet the requirements caused by heterogeneity in the service sector. |
Abstract (fin): | Sähköverkon alueellisissa kuormituksen seurannassa ja ennustamisessa on keskeisessä osassa alueen nykyinen ja arvioitu käyttäjäryhmärakenne, rakennuskanta sekä aiempi mitattu sähkönkulutus. Tämän diplomityön tavoite oli selvittää palvelusektorin sähkönkäytön suuruus, ajallinen vaihtelu sekä alueellinen sijoittuminen Helsingissä. Lisäksi työssä tutkittiin etäluentatietojen hyödyntämistä osana alueellista kuormitusanalyysiä. Palvelukulutuksen muodostumista ja alueellista sijoittumista tutkittiin vuosienergioiden, rakennuskantatietojen ja nykyisin käytetyn asiakasluokittelun avulla. Tuntimittaustietojen hyödyntämistä tutkittiin kahdella matemaattisella menetelmällä. Ensimmäisen tutkitun menetelmän tavoite oli ryhmitellä liittymät niiden sähkönkäytön ajallisen vaihtelun mukaan. Toinen tutkittu matemaattinen menetelmä pyrki jakamaan sähkönkulutuksen päälaiteryhmiin tuntilukemien ja sähkönkäyttöä selittävien taustatietojen avulla. Ryhmittelyyn käytetty menetelmä perustui pääkomponenttianalyysiin sekä klusterointiin ja laitetason jaotteluun käytetty menetelmä perustui usean selittäjän regressiomallin. Matemaattisen ryhmittelyn avulla löydettiin kolme sähkölämmitysryhmää, yksi kaukolämmitysryhmä ja yksi palvelukulutusta sisältävä ryhmä. Palvelukulutuksen tarkempi ryhmittely osoittautui haasteelliseksi palvelusektorin monimuotoisuudesta johtuen. Ryhmittelyn tulokset olivat pääpiirteittäin yhteneviä nykyisen asiakasluokittelun kanssa. Menetelmän avulla lasketut pro ilit ja ominaiskulutukset kuvasivat kaikilla ryhmillä järkevästi ryhmän sähkönkäyttöä. Laitetason jaottelulla saatuja tuloksia ei voida pitää luotettavina. Menetelmä osoittautui kuitenkin mahdolliseksi keinoksi laitteiden kulutusosuuksien arvioinnissa. Molempia tutkittuja menetelmiä täytyy tulevaisuudessa kehittää vastaamaan palvelusektorin heterogeenisyydestä johtuvia vaatimuksia. |
ED: | 2013-01-11 |
INSSI record number: 45797
+ add basket
INSSI